Amazon SageMaker AI 多轮强化学习实操指南：用 Wordle 训练 gpt-oss-20b
AWS 发布 SageMaker AI 多轮强化学习（MTRL）实操指南，以 Wordle 为例演示从部署 AgentCore 智能体、准备数据集、训练到 MLflow 监控与评测的完整流程。
#推理
AWS Machine Learning BlogAI 评分5858
Hugging Face BlogAI 评分5858 VocabX 如何通过词表专门化将 SLM 推理成本降低 77%
Dharma-AI 在 Hugging Face 博客中预告了即将发布的 VocabX 论文，介绍其按 token 成本而非出现频次重建领域模型词表的方法。
Microsoft Research精选AI 评分7474 微软研究院等证明31年悬而未决的KLS猜想
微软研究院的Xinzhi Zhang与合著者Zhao Song证明了1995年提出的KLS猜想，确认对一大类高维概率分布，最佳平面切割与任意形状最佳切割的效果差距不超过一个与维度无关的固定常数。研究采用人类主导的智能体流程，AI系统探索了100多条候选路径，由研究者评估、剪枝并调整方向，最终借助递归细化方法消除了对维度的依赖。同期另有独立团队给出完整证明，随后还发布了Lean 4形式化验证。
推荐理由：这篇论文证明了一个悬置31年的高维几何猜想，并展示了研究者如何引导AI智能体筛选上百条研究路径。
Microsoft Research精选AI 评分6969 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统
微软研究院发布零知识虚拟机 Magnetar，可证明用 Rust、Go 或 C 编写的程序执行过程，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在通用性、速度与密码学假设三方面同时推进。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：官方给出 Argon 在 ERQA 的得分与四类机器人工作流示例，可据此判断物理推理模型在机器人栈中的用法。
Google DeepMind精选AI 评分9292 Google DeepMind 发布 Gemini 4 Argon 模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：官方披露了 Argon 在编码、科研与安全对齐上的具体案例和数字，可据此判断前沿模型在长程任务中的实际边界。
Mistral AI精选AI 评分8383 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底开放。
推荐理由：官方给出 1 万亿参数、520 亿激活的规格与多项基准，并说明权重月底开放，可据此判断开源权重模型的当前水位。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley Sky Lab 团队把 K-Search 内核搜索框架扩展到 MLX 后端，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核作为知识库迁移到 Apple Silicon。
推荐理由：原文给出注意力与 Mamba 两个内核的实测数据，并拆出翻译层对性能提升的贡献，便于判断跨平台内核迁移的可行边界。
Berkeley AI ResearchAI 评分3434 ABBEL：教 LLM 更新信念状态，提升长程交互效率
伯克利 AI 研究团队提出 ABBEL 框架，将摘要隔离为自然语言"信念状态"并对其内容进行监督评分。在协作编码基准 CollabBench 上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也显著低于全上下文设置。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化子任务、开多少并发线程以及如何协调。现有方法如 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由模型外部设定，未教会模型自适应行为。
Berkeley AI ResearchAI 评分4242 Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中注入随机性以探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致局部极小值以及高维视觉模型“状态-输入”梯度脆弱等问题。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展到数千特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。